地理空间信息与大数据
Esri中国卢萌
1、先谈谈LBS
开始文章之前，先声明一下，文章的内容有的是大虾自己的理解，也有是网络上的内容，但是尽量不会去做大段的复制，如果实在有雷同得太厉害的，纯粹巧合。另外文章中的观点仅代表我个人想法，不对正确与否负责，希望有自我辨识能力的朋友有选择性的阅读。
————————————我是万恶的分割线————————
LBS的全称为基于位置的服务，各种解释度娘上就已经很多了，我就不在这里做各种科普性质的说明了，有兴趣的，就直接去问度娘好了。今天在这里只是就我所理解的LBS 和空间大数据进行简单的聊聊。
其实传统GIS圈子里面，大数据的各种V，除了数量以外，都不怎么能靠得上边，比如说维度吧，GIS里面虽然也有影像数据这种，但是这么多年来，各家基础平台厂商这么多年来一直在做的就是把各种空间数据变成结构化的关系数据库可以管理的数据，所以对非结构化的需求，并没有太大的渴望。
另外比如速度，当然运算速度是永恒的追求，但是作为大数据里面对产生速度和变化速度，传统的GIS数据并没有太大的渴求。比如这两年最火的GIS项目：国土二调和地理国情普查，因为数据获取的代价很高，所以对应更新的频率自然就慢了。
再说价值密度这个问题，传统的GIS数据获取代价很高，自然而然的价值密度就高，比如POI数据，数据生产厂商派出大量的采集人员“扫大街”，每条数据的获取都能够用价格成本的衡量。
所以，LBS作为现今GIS圈与互联网双剑合璧挂钩“大数据”概念的新型应用就横空出世了。
LBS的数据可以是各种移动设备，或者各种传感器，理论上来说，数据只有包含了时间信息和空间信息这两类的，就被归类到了LBS数据中，另外还需要有一个独立的ID，来标示每一条数据，当然其他的附加内容有就最好了。
LBS从空间性质分类，其实可以分为两类，一类是空间位置随着时间不断变化，比如车辆的GPS信息，或者移动设备的信息（移动设备，当然是要移动的，顾名思义嘛）。另外一类，就是空间位置基本上不做变化，或者变化很少，只有时间以及上面所表现的其他数据在变化，这一类设备就是各种传感器设备，比如智能电表、交通信号采集器、摄像头等。
这两类数据，从分析上来说，第一类数据更接近于传统的空间分析思想，最多就是时空分析，把时间序列加入到空间分析模型中。而第二类的数据分析更偏向于传统的数据分析和数据挖掘，有报表，有警报，但是如果不把空间的位置加入，无疑会漏掉很多的信息。
LBS的数据，是GIS数据里面最符合大数据思想分支了，属于传统GIS与互联网思维
的最佳合璧。无乱是老一代的三V，还是四V或者五V，到现在的11V，LBS都能够靠上边。
就拿GPS数据来说，就看北京一地公交车来说，北京有2万多辆公交车，如果每辆车都按时回传GPS位置信息，那么一天就是十几个GB。这还不算各种出租车，各种公务车（当然，公务车是不可能把数据留下来的，这都是你懂的国家机密），还有数量庞大的私家车。
另外各种交通、安保的摄像头、交通地感线圈传感器，各种智能电表……一个现代化的城市每天产生的LBS数据庞大到无法想象，而限于IT技术的发展，我们能够分析，甚至能够保留的微不足道，如果要算上使用关系型数据库来进行保留的，那基本上就是小数点后面的若干个零了。
各种政府部门一直都在鼓吹“数字城市”、“智慧城市”，那么这些数据就是组成我们的数字城市最基础的砖瓦，没有这些“原材料”，我们的城市也无从谈起了。
待续未完.
目录： 什么是大数据 Hadoop介绍-HDFS、MR、Hbase 大数据平台应用举例-腾讯 公司的大数据平台架构 “就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，大数据正在改变我们的生活以及理解世界的方式……”。 大数据的4V特征-来源 公司的“大数据” 随着公司业务的增长，大量和流程、规则相关的非结构化数据也爆发式增长。比如： 1、业务系统现在平均每天存储20万张图片，磁盘空间每天消耗100G; 2、平均每天产生签约视频文件6000个，每个平均250M，磁盘空间每天消耗1T; …… 三国里的“大数据” “草船借箭”和大数据有什么关系呢?对天象的观察是基于一种对风、云、温度、湿度、光照和所处节气的综合分析这些数据来源于多元化的“非结构”类型，并且数据量较大，只不过这些数据输入到的不是电脑，而是人脑并最终通过计算分析得出结论。
Google分布式计算的三驾马车 Google File System用来解决数据存储的问题，采用N多台廉价的电脑，使用冗余(也就是一份文件保存多份在不同的电脑之上)的方式，来取得读写速度与数据安全并存的结果。 Map-Reduce说穿了就是函数式编程，把所有的操作都分成两类，map与reduce，map用来将数据分成多份，分开处理，reduce将处理后的结果进行归并，得到最终的结果。 BigTable是在分布式系统上存储结构化数据的一个解决方案，解决了巨大的Table的管理、负载均衡的问题。 Hadoop体系架构 Hadoop核心设计
HDFS介绍-文件读流程 Client向NameNode发起文件读取的请求。 NameNode返回文件存储的DataNode的信息。 Client读取文件信息。 HDFS介绍-文件写流程
华为VS腾讯大数据之争背后是数据的价值 最近出了一件看似和我们无甚关联但是又和我们息息相关的事情，华为旗下下的荣耀Magic手机和腾讯因为微信的聊天记录的归属权问题打起口水战。腾讯指控华为荣耀Magic 手机侵害了腾讯的数据和用户的数据，并称已请监管部门介入，而华为则认为所有数据都是用户的数据，并且已经获得了用户的授权。一场聊天记录数据引发的争端也就此拉开序幕。 作为一款“人工智能”手机，确实需要收集用户数据来进行深度学习，以便提供更符合用户习惯和喜好的服务。而立志于做一款“超级App”的微信，也一直践行者深度解析聊天记录来精准推送广告等充分利用用户数据的功能和业务。这是两个都意图打造各自封闭生态，
两个生态间的碰撞，这种碰撞也从侧面体现了数据逐渐增长的价值。 其实近些年来大数据之争一直都没停止，2016年“微博诉脉脉不正当竞争一案”，第三方获得微博用户数据以及微博信息内容，需要获得微博平台授权，否则将被视为不正当竞争。 不久前，在阿里巴巴旗下的菜鸟网络与快递公司顺丰之间，也爆发数据之争。只不过，那一次是企业之间的数据交换，普通用户很难有直接的感受，虽然那些数据可能是对每个人来说极为重要的个人隐私数据。 此次华为和腾讯间的聊天记录之争让作为用户的我们更切身的体会了对自己隐私数据的担忧，毕竟在微信普及度如此之高，使用范围如此之广的今天，这些聊天记录数据威胁着我们的个人隐私安全。同时，因为日益频繁的类似诉讼发生，法律相关的条款空白问题也逐渐凸显。作为一般的用户而言，虽然身为数据的生产者，但是面对自己的数据被使用的情况也有一种无力感。虽然微信和华为双方都表示自己“获得了用户的授权”，但是面对“不授权就无法使用”的情况，用户也只能被迫成为俎上鱼肉。
百度、阿里、腾讯三巨头开挖大数据2014-04-14 09:55 罗超 36大数据字号：T | T 实际上，对于大数据究竟是什么业界并无共识。大数据并不是什么新鲜事物。信息革命带来的除了信息的更高效地生产、流通和消费外，还带来数据的爆炸式增长。“引爆点”到来之后，人们发现原有的零散的对数据的利用造成了巨大的浪费。移动互联网浪潮下，数据产生速度前所未有地加快。人类达成共识开始系统性地对数据进行挖掘。这是大数据的初心。数据积累的同时，数据挖掘需要的计算理论、实时的数据收集和流通通道、数据挖掘过程需要使用的软硬件环境都在成熟。 AD：51CTO学院：IT精品课程在线看！ 概念、模式、理论很重要，但在最具实干精神的互联网领域，行动才是最好的答案。国内互联网三巨头BAT 坐拥数据金矿，已陆续踏上了大数据掘金之路。 BAT都是大矿主，但矿山性质不同 数据如同蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。 百度拥有两种类型的大数据：用户搜索表征的需求数据；爬虫和阿拉丁获取的公共web数据。 阿里巴巴拥有交易数据和信用数据。这两种数据更容易变现，挖掘出商业价值。除此之外阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据。如微博和高德。 腾讯拥有用户关系数据和基于此产生的社交数据。这些数据可以分析人们的生活和行为,从里面挖掘出政治、社会、文化、商业、健康等领域的信息，甚至预测未来。
下面，就将三家公司的情况一一扫描与分析。 一、百度：含着数据出生且拥有挖掘技术，研究和实用结合 搜索巨头百度围绕数据而生。它对网页数据的爬取、网页内容的组织和解析，通过语义分析对搜索需求的精准理解进而从海量数据中找准结果，以及精准的搜索引擎关键字广告，实质上就是一个数据的获取、组织、分析和挖掘的过程。 除了网页外，百度还通过阿拉丁计划吸收第三方数据，通过业务手段与药监局等部门合作拿到封闭的数据。但是，尽管百度拥有核心技术和数据矿山，却还没有发挥出最大潜力。百度指数、百度统计等产品算是对数据挖掘的一些初级应用，与Google相比，百度在社交数据、实时数据的收集和由数据流通到数据挖掘转换上有很大潜力，还有很多事情要做。 2月底在北京出差时，写了一篇《搜索引擎的大数据时代》发在虎嗅。创造了零回复的记录。尽管如此，仍然没有打消我对搜索引擎在大数据时代深层次变革的思考。搜索引擎在大数据时代面临的挑战有：更多的暗网数据；更多的WEB化但是没有结构化的数据；更多的WEB化、结构化但是封闭的数据。这几个挑战使得数据正在远离传统搜索引擎。不过，搜索引擎在大数据上毕竟具备技术沉淀以及优势。 接下来，百度会向企业提供更多的数据和数据服务。前期百度与宝洁、平安等公司合作，为其提供消费者行为分析和挖掘服务，通过数据结论指导企业推出产品，是一种典型的基于大数据的C2B模式。与此类似的还有Netflix的《纸牌屋》美剧，该剧的男主角凯文·史派西和导演大卫·芬奇都是通过对网络数据挖掘之后，根据受欢迎情况选中的。
史上最全的数据来源（数据分析）平台 网站分析类： 百度指数- 以百度海量网民行为数据为基础的数据分享平台 Google趋势- 了解Google中热度上升的搜索 360指数- 基于360搜索的大数据分享平台 Alexa - 网站排名 Google Analytics - Google出品，可以对目标网站进行访问数据统计和分析百度统计- 百度推出的一款免费的专业网站流量分析工具 腾讯云分析- 是腾讯数据云,腾讯大数据战略的核心产品 移动应用分析类： 友盟指数- 以友盟海量数据为基础的观察移动互联网行业趋势的数据平台移动观象台- 20亿独立智能设备为依据，提供应用排行榜 ASOU趋势- 每日跟踪超过100万款应用，分析超过6亿条数据 蝉大师- App数据分析与ASO优化专家，应用与游戏推广平台 百度移动统计- 基于移动APP统计的分析工具 QuestMobile - 国内知名的移动大数据服务提供商 应用雷达- 专业的APP排行历史跟踪软件实时榜单排名分析 Appannie - 移动应用和数字内容时代数据分析和市场数据的行业领导者CQASO - 国内最专业的APP数据分析平台 媒体传播类： 微博指数 优酷指数 微票儿票房分析 BOM票房数据 爱奇艺指数 数说传播 百度风云榜 微博风云榜 爱奇艺风云榜 豆瓣电影排行榜 新媒体排行榜 品牌微信排行榜 清博指数 易赞- 公众号画像 电商数据类：
阿里价格指数 淘宝魔方 京东智圈 淘宝排行榜 投资数据类： Crunchbase - 一个免费的科技公司、技术行业知名人物和投资者相关信息的数据库 清科投资界- 风险投资,私募股权,创业者相关投资,私募,并购,上市的研究 IT桔子- 关注TMT领域创业与投资的数据库 创投库- 提供最全的投资公司信息 Angel - 美国创业项目大全 Next - 36kr子站，每天更新新产品介绍 Beta List - 介绍初创公司 金融数据类： 积木盒子- 全线上网络借贷信息中介平台 网贷中心- 告网贷行业危机,公正透明地披露网贷平台数据 网贷之家- P2P网贷平台排名 网贷数据- 网贷天下- 行业过去30天详细交易数据,网贷天下统计、发布,每天6点更新中国P2P网贷指数 零壹数据-专业互联网金融数据中心 大公金融数据 全球股票指数 爱股说-基金经理分析找股平台 私募基金管理人综合查询 中财网数据引擎 游戏数据： 百度网游风云榜 360手机游戏排行榜 360手游指数 CGWR排行榜 App Annie游戏指数 小米应用商店游戏排名 TalkingData游戏指数 游戏玩家排名&赛事数据 国家社会数据： 中国综合社会调查 中国人口普查数据 中国国家数据中心
腾讯云大数据处理套件 产品简介 产品文档
【版权声明】 ?2013-2017 腾讯云版权所有 本文档著作权归腾讯云单独所有，未经腾讯云事先书面许可，任何主体不得以任何形式复制、修改、抄袭、传播全部或部分本文档内容。 【商标声明】 及其它腾讯云服务相关的商标均为腾讯云计算（北京）有限责任公司及其关联公司所有。本文档涉及的第三方主体的商标，依法由权利人所有。 【服务声明】 本文档意在向客户介绍腾讯云全部或部分产品、服务的当时的整体概况，部分产品、服务的内容可能有所调整。您所购买的腾讯云产品、服务的种类、服务标准等应由您与腾讯云之间的商业合同约定，除非双方另有约定，否则，腾讯云对本文档内容不做任何明示或模式的承诺或保证。
文档声明 (2) 产品简介 (4) 产品概述 (4) 功能介绍 (7) 产品优势 (12) 应用场景 (14) 数据处理流程 (15)
产品简介 产品概述 什么是 TBDS 腾讯大数据处理套件 TBDS（Tencent Big Data Suit）是在腾讯多年海量数据处理经验之上，结合开源Hadoop 生态和自研组件服务，对外提供可靠、安全、易用的大数据处理平台。用户可以按需部署大数据处理服务以实现企业的大数据处理需求，例如：数据提取、处理、分析、报表展示、客户画像、机器学习等大数据应用，以提高企业在大数据背景下的核心竞争力。 我们的理念 1. 屏蔽系统规划、安装及部署细节，降低使用成本 通过控制台规划集群，安装和部署大数据组件； 通过控制台管理系统配置，启停和上下线大数据服务； 尽可能降低用户上机操作的几率； 基于解决方案的一键式部署； 2. 系统可用性 借鉴腾讯相关产品在大数据领域的先进经验，在用户端快速复制腾讯相关产品的高可用大数据系统，做到开箱即用； 3. 系统可扩展 系统提供接口方便后续引入新的大数据服务； 4. 系统可维护性 系统提供丰富的日志帮助用户定位问题； 系统升级不影响现有业务； 我们的架构 一条完整的数据处理流水线通常由“接入-存储-计算-输出-展示”多环节衔接而成。大数据技术经过阶段性地发展，各环节都涌现出一批相互借鉴、相互补充的基础系统。大数据套件将常见的基础系统（包含社区版系统、社区改造版系统以及腾讯自研系统）集成封装，形成统一的大数据平台。数据开发人员可以从大数据平台自
腾讯大数据之TDW计算引擎解析——Shuffle 腾讯分布式数据仓库（Tencent distributed Data Warehouse, 简称TDW）基于开源软件Hadoop和Hive进行构建，并且根据公司数据量大、计算复杂等特定情况进行了大量优化和改造，目前单集群最大规模达到5600台，每日作业数达到100多万，已经成为公司最大的离线数据处理平台。为了满足用户更加多样的计算需求，TDW也在向实时化方向发展，为用户提供更加高效、稳定、丰富的服务。 TDW计算引擎包括两部分：一个是偏离线的MapReduce，一个是偏实时的Spark，两者内部都包含了一个重要的过程——Shuffle。本文对Shuffle过程进行解析，并对两个计算引擎的Shuffle过程进行比较，对后续的优化方向进行思考和探索，期待经过我们不断的努力，TDW计算引擎运行地更好。 Shuffle过程介绍 MapReduce的Shuffle过程介绍 Shuffle的本义是洗牌、混洗，把一组有一定规则的数据尽量转换成一组无规则的数据，越随机越好。MapReduce中的Shuffle更像是洗牌的逆过程，把一组无规则的数据尽量转换成一组具有一定规则的数据。 为什么MapReduce计算模型需要Shuffle过程？我们都知道MapReduce计算模型一般包括两个重要的阶段：Map是映射，负责数据的过滤分发；Reduce 是规约，负责数据的计算归并。Reduce的数据来源于Map，Map的输出即是Reduce的输入，Reduce需要通过Shuffle来获取数据。 从Map输出到Reduce输入的整个过程可以广义地称为Shuffle。Shuffle横跨Map端和Reduce端，在Map端包括Spill过程，在Reduce端包括copy和sort过程，如图所示： Spill过程 Spill过程包括输出、排序、溢写、合并等步骤，如图所示：
目录： ?什么是大数据 ?Hadoop介绍-HDFS、MR、Hbase ?大数据平台应用举例-腾讯 ?公司的大数据平台架构 “就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，大数据正在改变我们的生活以及理解世界的方式……”。 大数据的4V特征-来源 公司的“大数据” 随着公司业务的增长，大量和流程、规则相关的非结构化数据也爆发式增长。比如： 1、业务系统现在平均每天存储20万图片，磁盘空间每天消耗100G；
2、平均每天产生签约视频文件6000个，每个平均250M，磁盘空间每天消耗1T; …… 三国里的“大数据” “草船借箭”和大数据有什么关系呢？对天象的观察是基于一种对风、云、温度、湿度、光照和所处节气的综合分析这些数据来源于多元化的“非结构”类型，并且数据量较大，只不过这些数据输入到的不是电脑，而是人脑并最终通过计算分析得出结论。 Google分布式计算的三驾马车
?Google File System用来解决数据存储的问题，采用N多台廉价的电脑，使用冗余（也就是一份文件保存多份在不同的电脑之上）的方式，来取得读写速度与数据安全并存的结果。 ?Map-Reduce说穿了就是函数式编程，把所有的操作都分成两类，map 与reduce，map用来将数据分成多份，分开处理，reduce将处理后的结果进行归并，得到最终的结果。 ?BigTable是在分布式系统上存储结构化数据的一个解决方案，解决了巨大的Table的管理、负载均衡的问题。 Hadoop体系架构 Hadoop核心设计
HDFS介绍-文件读流程
Client向NameNode发起文件读取的请求。NameNode返回文件存储的DataNode的信息。Client读取文件信息。 HDFS介绍-文件写流程
百度、阿里、腾讯三巨头开挖大数据 概念、模式、理论很重要，但在最具实干精神的互联网领域，行动才是最好的答案。国内互联网三巨头BAT坐拥数据金矿，已陆续踏上了大数据掘金之路。 BAT都是大矿主，但矿山性质不同 数据如同蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。 百度拥有两种类型的大数据：用户搜索表征的需求数据；爬虫和阿拉丁获取的公共web数据。 阿里巴巴拥有交易数据和信用数据。这两种数据更容易变现，挖掘出商业价值。除此之外阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据。如微博和高德。 腾讯拥有用户关系数据和基于此产生的社交数据。这些数据可以分析人们的生活和行为,从里面挖掘出政治、社会、文化、商业、健康等领域的信息，甚至预测未来。
下面，就将三家公司的情况一一扫描与分析。 一、百度：含着数据出生且拥有挖掘技术，研究和实用结合 搜索巨头百度围绕数据而生。它对网页数据的爬取、网页内容的组织和解析，通过语义分析对搜索需求的精准理解进而从海量数据中找准结果，以及精准的搜索引擎关键字广告，实质上就是一个数据的获取、组织、分析和挖掘的过程。 除了网页外，百度还通过阿拉丁计划吸收第三方数据，通过业务手段与药监局等部门合作拿到封闭的数据。但是，尽管百度拥有核心技术和数据矿山，却还没有发挥出最大潜力。百度指数、百度统计等产品算是对数据挖掘的一些初级应用，与Google相比，百度在社交数据、实时数据的收集和由数据流通到数据挖掘转换上有很大潜力，还有很多事情要做。
腾讯云大数据基础服务 腾讯，我们知道知道其研发的QQ、微信是目前国内使用率高的社交软件，所以，腾讯的大数据也不容小觑，基于此，腾讯云有其大数据基础服务。 腾讯云大数据基础服务之大数据处理套件是基于腾讯多年海量数据处理经验，对外提供的可靠、安全、易用的大数据处理平台。您可以按需部署大数据处理服务实现数据处理需求，例如报表展示，数据提取、分析，客户画像等大数据应用。 腾讯云大数据基础服务之弹性MapReduce，其结合云技术和Hadoop、Hive、Spark、Storm 等社区开源技术，提供安全、低成本、高可靠、可弹性伸缩的云端托管Hadoop 服务。您可以在数分钟内创建安全可靠的专属Hadoop 集群，以分析位于集群内数据节点或COS 上的PB 级海量数据。弹性MapReduce目前也是在公厕中，还没有完全开放。 大数据基础服务之数据工坊（Tencent Data Factory）是源于腾讯云数智大数据套件的轻量云上大数据产品，为您提供基于SQL的大数据计算框架；适合于需要动态灵活获取大数据计算能力进行批量计算、日志处理或数据仓库应用的场景，大数据基础服务之数据工坊产品目前是在内测中，如果您想参加内测，可点击链接，联系我们上海国经网络。 大数据基础服务之云推荐引擎（Cloud Recommendation Engine）是为您量身定制的一站式通用推荐引擎，提供安全、便捷、精准、可靠的推荐系统服务，适用于兴趣推荐、相关推荐、社会化推荐和位置推荐等多种推荐场景，帮助您提升业务的用户体验和点击转化率。云推荐引擎目前也是属于内测阶段，并未对外开放。 大数据基础服务之DI-Perceiver 实时多维分析引擎结合数据列存储技术和极速查询优化技术，向用户提供高性能的实时多维分析能力。您可以在无需预构建数据立方的情况下通过SQL 语句对千亿级数据进行毫秒级的无限制上卷、下钻、切片、切块、旋转等分析操作，以快速洞察海量数据价值。此产品是大数据基础服务的新产品，目前还未上线，等待上线中。
腾讯公司价值评估报告 课程名称：高级财务管理 课程教师：李雅馨 年级：12级财务管理三班 组员：王军（201230107104） 李国毅（201230107014） 吴安华（201230107022）
目录 一丶IT行业分析 （一）腾讯公司简介 （二）IT行业总体情况分析 二丶腾讯公司战略分析（SWOT） （一）腾讯公司的优势分析（strength）（二）腾讯公司的劣势分析(weakness) （三）腾讯公司的发展机会(opportunity) （四）腾讯公司的发展威胁(threat) 三丶腾讯公司的财务分析 （一）盈利能力分析 （二）营运能力分析 （三）偿债能力分析 （四）发展能力分析 （五）现金能力分析 四丶腾讯公司价值评估
一丶IT行业分析 （一）腾讯公司简介 腾讯控股有限公司，简称腾讯，是一家民营IT企业，总部位于中国广东深圳，于2004年6月16日在香港交易所上市。公司在开曼群岛注册，董事会主席兼首席执行官为马化腾。门户网站腾讯网，交易平台拍拍网等产品。门户网站腾讯网为国内四大门户网站。公司2012年总收入为人民币438.937亿元，其中，互联网增值服务收入按年增38.9%至319.95亿元；移动及电信增值服务收入37.23亿元，同比升14%；网络广告收入增70%至33.82亿元；新项目电子商务交易收入为44.278亿元。净利润为人民币127.3亿元旗下即时通讯工具腾讯QQ在中国网民中有极大影响，几乎每个中国网民都拥有一个以上QQ号码。腾讯也开发游戏平台QQ游戏及各种会员业务。近年更开发第三方支付平台财付通。对腾讯公司的财务分析主要包括经济环境分析、战略分析和内在价值评估。 （二）IT行业总体情况分析 （1）产业规模庞大，发展速度较快 统计显示，加入WTO前即2001年，我国电子信息产业产品销售收入11876.3亿元，入世后进一步加快。自从2004年，我国电子信息产业抓住国际和国内经济快速增长的有利时机，积极开拓国内市场，不断调整产业结构，经济运行质量进一步提高。当年全行业累计完成工业增加值5650亿元，增速较上年提高了7.1%，根据信息产业部发布报告中数据,2008年我国电子信息产业规模继续扩大。我国电子信息产业产销量继续保持快速增长，产业结构不断调整，经济效益继续提高。全年电子信息产业实现主营业务收入6.3万亿元，同比增长12.5%；其中规模以上制造业5.1万亿元，增长12.8%；软件业7573亿元，增长29.8%。实现增加值1.49万亿元，增长14.6%。可见信息产业在90年代得到长足的发展，从千亿大关到万亿，再到几万亿只用短短几年时间。2008年全行业的实现销售收入6.3万亿。占到了我们国家GDP总值的5%以上，按照国际通行的产业标准的划分，超过5%以后就是国家重要的支柱产业。所以说电子信息产业是国民经济基础性、先导性和战略性的支柱产业。并且我国电子信息产业在全球信息产业格局中占有重要地位，其中彩电、手机、计算机、程控交换机等十几类产品产销量位居全球第一位。但是，由于外向度较高，比较容易受国际金融危机冲击。受此影响，2007年我国电子信息行业经济效益发展继续保持在较好水平。受国际金融危机冲击，即美欧日等主要经济体市场低迷影响。从2008年7月份开始，我国电子信息产业销售收入和出口增速急剧下滑，今年1至2月更是继续大幅下滑，出现近30年来首度负增长。规模以上电子信息产品，制造业收入较去年同期下降15%，我国电子信息产业正面临前所未有的严峻挑战,我国电子信息产业在面对机遇的同时也面对着挑战。 （2）竞争能力显著提高 加入WTO以来，我国电子信息产业结构在市场在市场导向下得到明显调整，